NGC的内容简介与注册密钥
全名为 NVIDIA GPU Cloud 的 NGC 中心，是近年来 NVIDIA 用来统筹应用资源的云中心，本身并不具备任何计算功能，主要就是“应用资源分类整理”用途，将 NVIDIA 绝大部分与 GPU 开发相关的工具包、开发包、机器学习预训练模型等等，全部集中在这上面，方便开发人员集中使用与下载开发资源。
登录
http://ngc.nvidia.com
就能进入 NGC 中心（如下图），不过这个入口的更新频率很高，首页所看到的内容可能跳转至其他地方。网页最左边的 “Explore Catalog” 与右上角的“用户名（未登录之前为 Guest）”，大致是固定的。
目前 NGC 将所有资源区分为以下五大类：
这里存放着“以应用为单位”的综合信息内容，因为每个应用都需要用到一个以上的容器、预训练模型、Helm 管理模块或资源，在 NGC 里存放数百个这些元件，如果让开发者自行搜索的话，的确是一件相当费劲的工作。
NVIDIA 将个别应用所需要的相关信息，先整理好并存放在这个分类里，让使用者可以非常轻松地掌握每个应用所需要的资源列表，目前已经整理好 50+个应用，包括 TAO 对话 AI、ASR 自动语音识别、NLP 自然语言处理等等，还在陆续增加当中。
下面截屏是在 “Query” 栏输入 “tao” 后，会出现 10 个已经整理好的应用：
当点击 “TAO Toolkit-Conversational AI” 之后，就会进入下面 “Overview” 截图的内容，显示在 NGC 中心里，目前有 1 个容器、10 个预训练模型与 8 项资源与这个应用是有关的，当然这些数字未来是有可能改变的。
点击 “Entities” 就能看到如下图，列出每个元件的名称以及进入该元件说明的链接：
这样就能很轻松地掌握每个应用完整的资源信息。
Docker 是非常好的用于封装应用软件的容器技术，封装的镜像能提供完全独立的执行环境，这样能有效地解决多种应用的同时运作。
由于 NVIDIA 的各种开发套件之间，仍有可能存在 CUDA/cuDNN/TensorRT 这些底层库的版本兼容问题，另外包括 Python 各种数学库之间的版本依赖，经常造成软件安装的困难度。
NVIDIA 将大部分开发套件与工具包，以不同应用场景或功能组合的形式，用 Docker 技术进行封装，例如 TAO 开发工具就有 for Conv AI、for CV 与 for Lanuage Model 三种镜像，而 DeepStream 有 6 种以上的镜像。
使用镜像技术，开发者只需要在工作平台上安装最基础的 GPU 驱动、docker 管理器与 nv-docker 解析器，就能非常轻松地使用这些应用。目前 NGC 上已经有将近 200 个容器镜像，可以免费使用。
这是一组针对 Kubernetes 集群的管理与运维的工具，配合 docker 技术执行应用软件的部署与管理，与 GPU 计算没有直接关联，通常使用在数据中心、云平台上，对各种部署的 GPU 应用进行管理与监控，其中 NVIDIA Network Operator Helm Chart 是最重要的基础元件，对这方面有需求的读者可以从这个元件开始上手。
这里提供 300+个预训练好的人工智能模型，包括图像分类、对象检测、语言翻译、文本到语音、推荐引擎、情感分析等等，主要配合迁移学习(transfer learning) 的用途，或者直接拿来作为体验演示用途。
这里的所有模型都是经由最专业的技术人员，根据不同数据精度在 NVIDIA 最高端设备进行训练，在精确度与性能上都经过优化处理，包括 NVIDIA Tensor Core GPU，这样的预训练模型能为开发人员节省非常大量的模型训练时间。
这里存放的内容，就是为创建深度学习模型的分步说明和脚本，例如用于 Jupyter环境的 .ipynb 脚本，还有一些使用相关的指导文件或范例代码。
以上简单介绍了 NGC 的内容，NVIDIA 为开发人员提供非常丰富与优异的资源，若能好好善用 NGC 的功能，就能在人工智能的应用开发上得到事半功倍的效果。
要使用这些资源的第一件事情，就是要申请 NGC 账号，这个账号与 NVIDIA 开发者申请的账号是互相独立的，因此需要单独申请。本文最后就是带着大家去申请一个账号，并且申请一组密钥，这样就能轻松使用 NGC 的内容。
1. 创建NGC账号：
(1)登录 https://ngc.nvidia.com 会直接出现 CATALOG 画面。
(2)请点击下图右上角 “Welcome Guest”，然后点选下方 “Sing in/Sing Up”。
(3)进入后点选 “NVIDIA Account” 旁边的 “Continue”，就会进入下图右的“登陆”或“创建一个账户”的画面。
(4)剩下的步骤与一般申请账号的过程是一样的，使用一个正规的邮箱进行申请，不过 NGC 为了便利国内用户，也允许使用 QQ 或微信账号登录。在下面截屏下方点击 “Show more”，就会出现 “Login with QQ” 与 “Login with WeChat” 选项，点入之后扫描二维码就能进行账号创建。
后面仍需要完成进一步的账号确认工作，回复 NGC 所发送的确认邮件，才能完成完成整个账号创建工作。
2. 获取NGC密钥：
(1)登陆 NGC 之后，会看到右上角出现您的登录名，以及一组哈希数列。点选用户名所出现的下拉菜单中，选择 “setup” 选项。
(2)进入 Setup 选项后会出现下面两个设定，点击左边的 “Get API Key”：
(3)点击下图右上角 “Generate API KEY” 会跳出“确认”，点击 “confirm” 即可
(4)在最下面会出现一组长度 85 的字符串：
由于密钥只有在创建时候能看到内容，日后无法在 NGC 独立查询，请自行复制做好记录。这组密钥在整个训练过程以及最后推理时都需要用到，非常关键，如果遗忘的话就得重新再创建一组，而前面所训练的模型，可能就得重新再做一次。
本文只是将 NGC 的内容做个简单的介绍，以及讲解创建账号、生成密钥的过程，更多关于 NGC 的详细使用说明，请访问 https://docs.nvidia.com/ngc/ngc-overview/index.html 。
目前 NGC 将所有资源区分为以下五大类：
- Collections（集合）：
这里存放着“以应用为单位”的综合信息内容，因为每个应用都需要用到一个以上的容器、预训练模型、Helm 管理模块或资源，在 NGC 里存放数百个这些元件，如果让开发者自行搜索的话，的确是一件相当费劲的工作。
NVIDIA 将个别应用所需要的相关信息，先整理好并存放在这个分类里，让使用者可以非常轻松地掌握每个应用所需要的资源列表，目前已经整理好 50+个应用，包括 TAO 对话 AI、ASR 自动语音识别、NLP 自然语言处理等等，还在陆续增加当中。
下面截屏是在 “Query” 栏输入 “tao” 后，会出现 10 个已经整理好的应用：
当点击 “TAO Toolkit-Conversational AI” 之后，就会进入下面 “Overview” 截图的内容，显示在 NGC 中心里，目前有 1 个容器、10 个预训练模型与 8 项资源与这个应用是有关的，当然这些数字未来是有可能改变的。
点击 “Entities” 就能看到如下图，列出每个元件的名称以及进入该元件说明的链接：
这样就能很轻松地掌握每个应用完整的资源信息。
- Containers（容器）：
Docker 是非常好的用于封装应用软件的容器技术，封装的镜像能提供完全独立的执行环境，这样能有效地解决多种应用的同时运作。
由于 NVIDIA 的各种开发套件之间，仍有可能存在 CUDA/cuDNN/TensorRT 这些底层库的版本兼容问题，另外包括 Python 各种数学库之间的版本依赖，经常造成软件安装的困难度。
NVIDIA 将大部分开发套件与工具包，以不同应用场景或功能组合的形式，用 Docker 技术进行封装，例如 TAO 开发工具就有 for Conv AI、for CV 与 for Lanuage Model 三种镜像，而 DeepStream 有 6 种以上的镜像。
使用镜像技术，开发者只需要在工作平台上安装最基础的 GPU 驱动、docker 管理器与 nv-docker 解析器，就能非常轻松地使用这些应用。目前 NGC 上已经有将近 200 个容器镜像，可以免费使用。
- Helm Charts
这是一组针对 Kubernetes 集群的管理与运维的工具，配合 docker 技术执行应用软件的部署与管理，与 GPU 计算没有直接关联，通常使用在数据中心、云平台上，对各种部署的 GPU 应用进行管理与监控，其中 NVIDIA Network Operator Helm Chart 是最重要的基础元件，对这方面有需求的读者可以从这个元件开始上手。
- Models（模型）：
这里提供 300+个预训练好的人工智能模型，包括图像分类、对象检测、语言翻译、文本到语音、推荐引擎、情感分析等等，主要配合迁移学习(transfer learning) 的用途，或者直接拿来作为体验演示用途。
这里的所有模型都是经由最专业的技术人员，根据不同数据精度在 NVIDIA 最高端设备进行训练，在精确度与性能上都经过优化处理，包括 NVIDIA Tensor Core GPU，这样的预训练模型能为开发人员节省非常大量的模型训练时间。
- Resources
这里存放的内容，就是为创建深度学习模型的分步说明和脚本，例如用于 Jupyter环境的 .ipynb 脚本，还有一些使用相关的指导文件或范例代码。
以上简单介绍了 NGC 的内容，NVIDIA 为开发人员提供非常丰富与优异的资源，若能好好善用 NGC 的功能，就能在人工智能的应用开发上得到事半功倍的效果。
要使用这些资源的第一件事情，就是要申请 NGC 账号，这个账号与 NVIDIA 开发者申请的账号是互相独立的，因此需要单独申请。本文最后就是带着大家去申请一个账号，并且申请一组密钥，这样就能轻松使用 NGC 的内容。
1. 创建NGC账号：
(1)登录 https://ngc.nvidia.com 会直接出现 CATALOG 画面。
(2)请点击下图右上角 “Welcome Guest”，然后点选下方 “Sing in/Sing Up”。
(3)进入后点选 “NVIDIA Account” 旁边的 “Continue”，就会进入下图右的“登陆”或“创建一个账户”的画面。
(4)剩下的步骤与一般申请账号的过程是一样的，使用一个正规的邮箱进行申请，不过 NGC 为了便利国内用户，也允许使用 QQ 或微信账号登录。在下面截屏下方点击 “Show more”，就会出现 “Login with QQ” 与 “Login with WeChat” 选项，点入之后扫描二维码就能进行账号创建。
后面仍需要完成进一步的账号确认工作，回复 NGC 所发送的确认邮件，才能完成完成整个账号创建工作。
2. 获取NGC密钥：
(1)登陆 NGC 之后，会看到右上角出现您的登录名，以及一组哈希数列。点选用户名所出现的下拉菜单中，选择 “setup” 选项。
(2)进入 Setup 选项后会出现下面两个设定，点击左边的 “Get API Key”：
(3)点击下图右上角 “Generate API KEY” 会跳出“确认”，点击 “confirm” 即可
(4)在最下面会出现一组长度 85 的字符串：
由于密钥只有在创建时候能看到内容，日后无法在 NGC 独立查询，请自行复制做好记录。这组密钥在整个训练过程以及最后推理时都需要用到，非常关键，如果遗忘的话就得重新再创建一组，而前面所训练的模型，可能就得重新再做一次。
本文只是将 NGC 的内容做个简单的介绍，以及讲解创建账号、生成密钥的过程，更多关于 NGC 的详细使用说明，请访问 https://docs.nvidia.com/ngc/ngc-overview/index.html 。
下一节
安装TAO模型训练工具
安装TAO模型训练工具
微信分享
评论评论:
Jetson Nano 基础教程
作者：英伟达小助理 共52讲Jetson Nano 推出 2GB 内存版本，不仅承袭了 Jetson Nano 所有 AI 开发环境与 IOT 控制功能，也能学习或开发 Python、OpenCV 与 AI 深度学习、ROS 自动控制等应用。
课程
推荐文章
微信分享
